为何DataFrame.map()中用replace替换字符串为np.nan会触发TypeError？

核心差异：两种replace的本质不同 #

你遇到的报错，根源是调用了两种完全不同的replace方法：

• 当执行df_test.map(lambda x: x.replace('blah1', np.nan))时：
  DataFrame本身没有map方法，实际执行时会按元素级应用函数（等同于applymap），把每个单元格的字符串元素传入lambda。此时调用的是Python内置字符串的replace方法，这个方法要求第二个参数必须是字符串类型，而np.nan是浮点型（float），因此触发TypeError。你可以单独验证这个点：

  'blah1'.replace('blah1', np.nan)  # 直接报错：TypeError: replace() argument 2 must be str, not float
  

• 当执行df_test.replace('blah1', np.nan)时：
  调用的是pandas DataFrame专属的replace方法，这是pandas为数据结构专门实现的值替换工具，内部做了类型兼容处理：

  1. 支持跨类型替换，允许将字符串替换为缺失值；
  2. 自动适配列类型，比如将原本存储字符串的object列调整为可容纳缺失值的类型。

补充：DataFrame的元素级与结构级方法区别 #

如果想在列级别使用map，需要先选中列转为Series，但此时lambda的参数仍是单个字符串元素，同样会触发相同报错：

df_test['test1'].map(lambda x: x.replace('blah1', np.nan))  # 依旧报错

若要在列级别实现替换，应调用Series的replace方法：

df_test['test1'].replace('blah1', np.nan)  # 正常运行

内容的提问来源于stack exchange，提问作者Casey Cushing